RETI DI CODE 87

1.8 RETI DI CODE

1.8.1 Generalità

La trattazione della teoria delle code effettuata fino ad ora ha sempre considerato
singoli sistemi a coda. Tuttavia, molto spesso i sistemi reali si possono presentare
sotto forma di più sistemi a coda connessi fra di loro e si parla quindi di reti di
code.
Le reti di code cono state utilizzate con successo nella modellizzazione di molti
sistemi reali: reti di telecomunicazioni, sistemi di calcolo, sistemi manufatturieri
e molti altri.
Una rete di code può essere descritta come un grafo orientato composto da un
certo numero di nodi (m) ciascuno dei quali rappresenta un sistema a coda e
gli archi rappresentano le rotte seguite dagli utenti da un sistema all’altro. In
generale, si può pensare che ad una rete di code arrivino utenti dall’esterno in
ciascun nodo della rete, cosı̀ come da ciascun nodo un utente può lasciare la rete.
Ovvero, un utente entra nella rete in un certo nodo, attraversa alcuni nodi della
rete e poi presso un nodo lascia la rete. Può anche accadere che gli utenti possano
ritornare presso nodi già visitati.
È facile immaginare che lo studio di una rete è in generale è molto più complicato
dello studio di un singolo sistema a coda perché ovviamente si deve tenere conto
di ogni sistema a coda componente la rete per analizzare il flusso totale degli
utenti.

Le reti di code si dividono in

• reti aperte in cui sono possibili ingressi di utenti alla rete dall’esterno e
uscite degli utenti dalla rete verso l’esterno;
• reti chiuse in cui il numero degli utenti all’interno della rete è fissato e gli
utenti circolano all’interno della rete senza che ci sia possibilità di ingressi
dall’esterno o uscite verso l’esterno.
Per caratterizzare completamente una rete di code devono essere assegnati:
• la topologia della rete
• le distribuzioni di probabilità dei tempi di interarrivo degli utenti presso i
nodi che prevedono ingresso di utenti
• le distribuzioni di probabilità dei tempi di servizio presso ciascun nodo
costituente la rete
• le regole di istradamento.
Lo stato n della rete è definito dal vettore n = (n1 , . . . , nm ), dove le ni , i =
1, . . . , m rappresentano il numero di utenti del sistema i−esimo.
 88 TEORIA DELLE CODE

Fig. 1.8.1 Esempio di rete aperta

1.8.2 Il processo delle partenze per i sistemi M/M/s

Preliminare allo studio delle reti di code c’è l’analisi del processo delle partenze
(uscite) dal sistema degli utenti che hanno usufruito del servizio. È molto impor-
tante conoscere le caratteristiche di questo processo per studiare le reti di code
in quanto il processo delle partenze da un sistema coincide con il processo degli
Teorema di arrivi nel sistema successivo. Riportiamo un risultato che vale per sistemi M/M/s
Burke noto come Teorema di Burke.

Teorema 1.8.1 Si consideri un sistema M/M/s con s ≥ 1 (incluso s = ∞)

con frequenza media di arrivo pari a λ in condizioni di stazionarietà. Allora

i) il processo della partenze dal sistema è un processo di Poisson di

parametro λ;

ii) ad ogni istante di tempo t, il numero di utenti presenti nel sistema è

indipendente dalla sequenza dei tempi di partenza prima di t.
 RETI DI CODE 89

Fig. 1.8.2 Esempio di rete chiusa

Quindi in un sistema a coda con arrivi poissoniani e tempi di servizio distribuiti

esponenzialmente, anche il processo delle partenze dal sistema è un processo di
Poisson, ovvero il processo delle partenze ha le stesse caratteristiche del processo
degli arrivi, nonostante il servizio che è avenuto e il relativo tempo. Si osservi
inoltre che questo risultato è indipendente anche dalla disciplina della coda.
L’utilità di questo risultato all’interno della teoria delle code è evidente: se gli
utenti che escono dal un sistema M/M/s entrano in un altro sistema a coda, gli
arrivi a questo secondo sistema saranno ancora poissoniani. Quindi, assumendo
che i tempi di servizio del secondo sistema siano distribuiti esponenzialmente,
il sistema a coda del secondo nodo si comporta come un sistema M/M/s e può
essere studiato indipendentemente dal primo nodo. Quindi in virtù del teorema di
Burke, possiamo collegare in una rete sistemi a coda M/M/s e, purchè non ci siano
cicli, ovvero purché gli utenti non possano rivisitare nodi già precedentemente reti feed-
visitati (reti feedforward ), si può analizzare la rete decomponendola nodo a nodo. forward
L’assenza di cicli è necessaria altrimenti si potrebbe perdere la natura poissoniana
dei flussi in ingresso ai nodi. La dimostrazione di questo teorema si basa su una
proprietà detta reversibilità dei processi di nascita e morte che permette di vedere
i processi delle partenze corrispondenti agli arrivi del processo invertito.
Senza entrare nel dettaglio, notiamo solamente che oltre le equazioni di bilancio
globale date dalle (1.4.6) e (1.4.7), nei processi di nascita e morte, si possono anche
90 TEORIA DELLE CODE

λ n −1
λ n

n−1 n n+1
µ n
µ n +1

t 1 t 2

Fig. 1.8.3 Diagramma degli stati

considerare le seguenti equazioni di bilancio del flusso tra due stati adiacenti
(dette equazioni di bilancio dettagliato). Si considerino i due tagli t1 e t2 in
Figura 1.8.3. Relativamente al flusso che attraversa il taglio t1 si ha

λn−1 pn−1 = µn pn , (1.8.1)

mentre relativamente al taglio t2 si deve avere

λn pn = µn+1 pn+1 .

Ovviamente, sottraendo membro a membro queste due equazioni si ottengono le

equazioni di bilancio globale (1.4.6). Queste due equazioni di bilancio del flusso
ora ottenute tra stati adiacenti mettono in evidenza la proprietà dei processi di
nascita e morte che va sotto in nome di reversibilità che è alla base del Teorema
di Burke.

1.8.3 Serie di code

La più semplice rete di code che si può costruire consiste nell’avere un numero
fissato (m) di sistemi a coda in serie, in cui non ci siano limiti sulla capacità della
coda di ogni singolo sistema componente la rete.
Questa situazione si verifica nella pratica, ad esempio, nei sistemi manufatturi-
eri (linee di assemblaggio in cui i prodotti devono passare attraverso una serie
di stazioni di lavoro); nei sistemi ospedalieri dove un paziente può essere sotto-
posto, in sequenza, ad un certo numero di accertamenti; nelle procedure di tipo
amministrativo che prevedono più fasi successive (registrazione, pagamento, ri-
tiro documenti, ...). Assumiamo che al primo sistema arrivino utenti secondo un
processo di Poisson di parametro λ e che in ciascun sistema componente ci siano
si serventi, i = 1, . . . , m, ciascuno operante con tempi di servizio distribuiti espo-
nenzialmente con parametro µi con λ < si µi per ogni i = 1, . . . , m. Si assume
 RETI DI CODE 91

Fig. 1.8.4 Esempio di serie di code

inoltre che tali tempi di servizio siano indipendenti. In condizioni stazionarie, per
il Teorema di Burke, ciascuno dei sistemi ha arrivi poissoniani con parametro λ
e quindi i sistemi possono essere analizzati come tanti sistemi M/M/si isolati. Il
caso più semplice corrisponde ad avere due sistemi in serie (sistema tandem) con
singolo servente. In questo caso è molto semplice dimostrare che la probabilità
congiunta che n1 utenti sono nel primo sistema e n2 utenti nel secondo sistema è
data dal prodotto delle singole probabilità, ovvero

P (n1 , n2 ) = pn1 pn2 = ρn1 1 (1 − ρ1 ) ρn2 2 (1 − ρ2 ),

con ρ1 = λ/µ1 < 1 e ρ2 = λ/µ2 < 1.

Infatti, per la prima parte del Teorema di Burke il processo delle partenze dal
secondo sistema è di Poisson e per l’indipendenza dei tempi di servizio il secondo
sistema può essere visto come un singolo sistema M/M/1, e quindi si ha

pn1 = ρn1 1 (1 − ρ1 ), pn2 = ρn2 2 (1 − ρ2 ).

Per la seconda parte del Teorema di Burke, in un qualsiasi istante t il numero

degli utenti presenti nel primo sistema è indipendente dalla sequenza degli arrivi
al secondo sistema prima di t e quindi anche dal numero degli utenti nel secondo
sistema. Quindi si ha

P (n1 , n2 ) = ρn1 1 (1 − ρ1 ) ρn2 2 (1 − ρ2 ).

Questo si estende ad una serie di un numero finito di sistemi a coda in serie.

Quindi la probabilità congiunta che una rete costituita da m sistemi a coda in
serie sia allo stato n = (n1 , . . . , nm ) si può scrivere nella forma

P (n) = P (n1 , n2 , . . . , nm ) = pn1 pn2 · · · pnm = ρn1 1 (1−ρ1 )ρn2 2 (1−ρ2 ) · · · ρnmm (1−ρm ),

dove ρj = λ/µj < 1, j = 1, . . . , m. Questa rappresenta la cosiddetta soluzione in

forma prodotto.
Il tempo medio totale di permanenza nell’intero sistema, ovvero nella rete, e il
numero medio di utenti presenti nella rete si possono calcolare semplicemente
sommando le corrispondenti quantità calcolate in riferimento ai singoli sistemi.
Si osservi che le considerazioni fino ad ora riportate non valgono se la capacità
dei singoli sistemi a coda componenti la rete fosse finita.
92 TEORIA DELLE CODE

Esempio 1.8.1 Supponiamo di avere un sistema formato da due stazioni di lavoro monoserventi
in serie: la prima è una stazione di lavorazione, la seconda una stazione di collaudo. I pezzi
arrivano alla prima stazione secondo un processo di Poisson di parametro λ = 10. I tempi di
servizio dei serventi sono distribuiti esponenzialmente con µ1 = 12 e µ2 = 15.
Per quanto esposto, gli arrivi alla seconda stazione sono poissoniani di parametro λ = 10 e
l’analisi può essere condotta studiando singolarmente i due sistemi M/M/1. Poiché risulta
5 2
ρ1 = <1 ρ2 = <1
6 3
esiste una distribuzione stazionaria della rete. Analizzando i due sistemi singolarmente si ha
1 1 1 1
T1 = = ora, T2 = = ora
µ1 − λ 2 µ2 − λ 5
e
N1 = λT1 = 5 pezzi, N2 = λT2 = 2 pezzi.
Per quanto riguarda la rete si ha N = N1 + N2 = 7 pezzi e T = T1 + T2 = 7/10 ora, ovvero 42
minuti.
 RETI DI CODE 93

1.8.4 Reti di Jackson aperte

Una tipologia di reti di code molto studiate e che continua a prevedere l’utilizzo
del modello M/M/s sono le cosiddette reti di Jackson aperte. A differenza dei
sistemi a coda in serie, gli utenti visitano i nodi in un ordine qualsiasi e in ogni Rete di
nodo ci possono essere utenti che arrivano sia dall’esterno sia da altri nodi. For- Jackson
malmente si ha la seguente definizione.

Definizione 1.8.2 Una rete di code aperta si dice rete di Jackson aperta se

i) gli arrivi dall’esterno della rete ad un nodo i della rete (i = 1, . . . , m)

sono poissoniani di parametro γi , con γi > 0 per almeno un i;

ii) i tempi di servizio di ciascun servente degli si serventi presenti ad ogni

nodo i sono indipendenti e distribuiti esponenzialmente di parametro µi ;

iii) le probabilità che un utente che ha completato il servizio al nodo i si rechi

presso il successivo nodo j (i, j = 1, . . . , n) (probabilità di routing) è pari
a pij ed è indipendente dallo stato del sistema.

Assumeremo, inoltre, che i sistemi a coda componenti la rete siano a capacità

illimitata (ovvero coda infinita). Naturalmente può accadere che γi = 0 per
qualche i, ovvero che non ci siano arrivi dall’esterno al nodo i−esimo, ma si
richiede che γi > 0 per almeno un i.
Dopo che un utente viene servito presso il nodo i, esso può procedere verso un
P
nodo j con probabilità pij o può uscire dalla rete con probabilità 1 − m
j=1 pij . Le
probabilità pij possono essere schematizzate in una matrice quadrata di ordine
m
 
p11 p12 ··· p1m


.. .. 

. .
P =
 .. .. 

 . . 
pm1 pm2 ··· pmm

che viene chiamata matrice di routing.

È chiaro che la frequenza media effettiva degli arrivi degli utenti presso un nodo
si ottiene sommando gli arrivi dall’esterno del sistema (che sono poissoniani di
parametro γi ) e gli arrivi dai nodi interni alle rete (che non sono necessariamente
poissoniani). Ovvero, se indichiamo con λj la frequenza media effettiva degli
arrivi al nodo j si ha che essa è data da
 94 TEORIA DELLE CODE

m
X
λj = γj + λi pij j = 1, . . . , m. (1.8.2)
i=1

Questo perché λi pij rappresenta il contributo agli arrivi nel nodo j da parte del
nodo i. Poiché le γi sono assegnate, come anche le pij , la (1.8.2) rappresenta
un sistema lineare di m equazioni in m incognite (le λj ) che quindi ammette
soluzione (unica) se la matrice dei coefficienti è non singolare. Definendo i vettori
Λ = (λ1 , . . . , λm )T e Γ = (γ1 , . . . , γm )T , la (1.8.2) può essere scritta in forma
vettoriale
Λ = Γ + P T Λ,
ovvero, nell’ipotesi che la matrice (I − P T ) sia invertibile, Λ = (I − P T )−1 Γ, dove
P è la matrice di routing e I è l’identità m × m.
Si osservi che l’espressione (1.8.2) per la determinazione della frequenza effettiva
vale per una generica rete di code aperta, non solamente per reti di Jackson.
Anche per le reti di Jackson aperte è stato dimostrato che, analogamente al caso
delle reti in serie, la probabilità congiunta dello stato n è data dalla produttoria
delle probabilità di stato dei singoli sistemi (probabilità marginali). Questo si-
gnifica che si continua ad avere la soluzione in forma prodotto anche per reti che
non sono feedforward come invece era richiesto per l’applicazione del Teorema
di Burke. Riportiamo ora in dettaglio questo risultato che va sotto il nome di
Teorema di Jackson.

Caso monoserevente
Supporremo inizialmente che i singoli sistemi a coda componenti la rete siano
monoserventi (si = 1, i = 1, . . . , m) e che il fattore di utilizzazione del servente
Teorema di sia dato da ρj = λj /µj dove λj è la soluzione del sistema (1.8.2), supponendo che
Jackson ρj < 1, j = 1, . . . , m.

Teorema 1.8.2 – Teorema di Jackson. Sia data una rete aperta di

Jackson composta da m nodi ciascuno dei quali è a singolo servente. Al-
lora la distribuzione di probabilità congiunta che la rete di trovi allo stato
n = (n1 , . . . , nm ) si fattorizza nel prodotto delle distribuzioni di probabulità
marginali, ovvero

P (n) = P (n1 , . . . , nm ) = pn1 pn2 · · · pnm (1.8.3)

dove
n
pnj = ρj j (1 − ρj ).
 RETI DI CODE 95

Dimostrazione: Consideriamo inizialmente il solo nodo j−esimo della rete, sup-

ponendo che negli altri nodi non avvenga alcuna transizione di stato. Relati-
vamente a questo nodo l’equazione di bilancio (1.8.1) nel passaggio dallo stato
nj − 1 allo stato nj oppure dallo stato nj allo stato nj−1 , si può riscrivere
λnj pnj −1 = µnj pnj . (1.8.4)
Ma sia λnj , sia µnj sono costanti e non dipendono dallo stato nj , pertanto la
(1.8.4) si può riscrivere
λj pnj −1 = µj pnj . (1.8.5)
Avendo assunto che negli altri nodi diversi dal j−esimo non ci sono transizioni
di stato, la (1.8.5) si può riscrivere
λj P (n1 , . . . , nj − 1, . . . , nm ) = µj P (n1 , . . . , nj , . . . , nm ).
ovvero
P (n1 , . . . , nj , . . . , nm ) = ρj P (n1 , . . . , nj − 1, . . . , nm ).
Applicando nj volte questa relazione si ottiene
n
P (n1 , . . . , nj , . . . , nm ) = ρj j P (n1 , . . . , nj−1 , 0, nj+1 , . . . , nm ).
Ripetendo il procedimento per ogni j = 1, . . . , m si ha
m
Y nj
P (n1 , . . . , nm ) = ρj P (0, . . . , 0). (1.8.6)
j=1
Rimane da calcolare il valore di P (0, . . . , 0) che è la probabilità che tutti i nodi
siano allo stato zero, ovvero senza alcun utente presente. Per ottenere tale valore
è sufficiente sommare tutte le probablità di stato P (n1 , . . . , nm ) date dalla (1.8.6)
e imporre che si ottenga 1, ovvero
∞ X
X ∞ ∞ Y
X m
nj
··· ρj P (0, . . . , 0) = 1
n1 =0 n2 =0 nm =0 j=1

da cui, nell’ipotesi che le serie presenti convergano (ρj < 1, j = 1, . . . m), si ha

1
P (0, . . . , 0) = ∞ ∞ ∞ Y
m
X X X nj
··· ρj
n1 =0 n2 =0 nm =0 j=1
1
= ∞ ∞ ∞
X X X
ρn1 1 ρn2 2 · · · ρnmm
n1 =0 n2 =0 nm =0
1
=
1 1 1
···
1 − ρ1 1 − ρ2 1 − ρm

= (1 − ρ1 )(1 − ρ2 ) · · · (1 − ρm ).
 96 TEORIA DELLE CODE

Il Teorema di Jackson fornisce la soluzione in forma prodotto in quanto la proba-

bilità che la rete si trovi allo stato n = (n1 , . . . , nm ) risulta pari al prodotto delle
proabilità che i singoli nodi si trovino rispettivamente negli stati nj indipenden-
temente dagli altri nodi.
In virtù di questo teorema la rete può essere analizzata scomponendola in m
sistemi a coda M/M/1 indipendenti, ovvero la rete si comporta come se ciascun
nodo fosse un nodo isolato indipendente M/M/1 con frequenza media di arrivo
λj e tempi medi di servizio pari a µj , in quanto le pnj nella (1.8.3) sono proprio
le probabilità che nj utenti sono presenti nel nodo j−esimo considerato come
sistema M/M/1. Si ribadisce che questo risultato è vero nonstante il fatto che il
flusso entrante ad un generico nodo j−esimo non è necessariamente poissoninano
di paramero λj .
La condizione sotto la quale una rete di code ammette distribuzione stazionaria
è che la “capacità del servizio” di ogni singolo nodo sia strettamente maggiore
della frequenza media effettiva degli arrivi, ovvero ρj = λj /µj < 1, j = 1, . . . , m.
Quindi, in virtù del Teorema di Jackson, per studiare una rete di code aperta
di Jackson nel caso monoservente è sufficiente determinare le frequenze medie
effettive degli arrivi a ciascun nodo j date da λj e analizzare indipendente ogni
singolo nodo. Quindi si verifica che risulti ρj = λj /µj < 1 e si determinano
le misure di prestazione ad ogni singolo nodo. Queste verranno poi aggregate
opportunamente per avere indicazioni sulla rete. Quindi per ottenere il numero
medio di utenti nella rete N , si sommano tutti i valori Nj di ogni singolo nodo,
ovvero
m
X
N= Nj ,
j=1

dove Nj = λj /(µj − λj ) è il numero medio di utenti nel nodo j−esimo. Per

determinare il tempo medio di permanenza nella rete si usa il Teorema di Little
e quindi
Xm
N
T = , dove λ= γi .
λ i=1

Se inoltre volessimo determinare il tempo medio di permanenza in un nodo j, si

deve porre attenzione al fatto che esso, in generale, non è pari a Tj = 1/(µj − λj ),
Questo perché le Tj rappresentano il tempo medio di permanenza nel nodo j
ogni volta che l’utente viene processato nel nodo j−esimo e quindi coincide con
il valore che stiamo cercando solo se l’utente visita il nodo j una sola volta,
Visit count altrimenti andrà moltiplicato per il valore atteso del numero delle visite di un
utente al nodo j (visit count) che indichiamo con νj . Il calcolo di tale numero
P
è molto semplice: si consideri, infatti, il rapporto γj / m i=1 γi = γj /λ che è la
frazione di utenti che, proveniendo dall’esterno, visitano come primo nodo il nodo
 RETI DI CODE 97

j−esimo e quindi rappresenta la probabilità che la prima visita di un utente sia

al nodo j−esimo. Inoltre una frazione pij di utenti visitano il nodo j−esimo
proveniendo dal nodo i−esimo. Quindi si ha
m
γj X
νj = + pij νi
λ i=1

che ammette come soluzione (confrontare la (1.8.2))

λj
νj = . (1.8.7)
λ
Note le µj , j = 1, . . . , m, alternativamente si può calcolare T nella forma7
m
X
T = νj Tj .
j=1

Esempio 1.8.3 Si consideri una semplice rete di code formata da due nodi: il primo nodo è
una stazione di lavorazione, il secondo è una stazione di ispezione–collaudo. I pezzi arrivano
dall’esterno alla stazione 1 secondo un processo di Poisson con media 10 pezzi l’ora e succes-
sivamente alla lavorazione nella stazione 1 procedono nella stazione 2 per il controllo. Dalla
stazione 2 si ha che il 10% dei pezzi collaudati risultano difettosi e tornano alla stazione 1 per
essere lavorati di nuovo. Le due stazioni sono monoserventi con tempi di servizio distributi espo-
nenzialmente rispettivamente con media 12 pezzi l’ora e 15 pezzi l’ora. Determinare il numero
medio di utenti presenti nella rete e il tempo medio di permanenza.

Fig. 1.8.5 Rete dell’Esempio 1.8.3

Calcoliamo innanzitutto le frequenze medie effettive (λ1 e λ2 ). Dalla (1.8.2) si ha il seguente

sistema n
λ1 = 10 + 0.1λ2
λ2 = λ1
dal quale si ricava
λ1 = λ2 = 11.111.
Le condizioni per l’esistenza della distribuzione stazionaria sono ovviamente verificate in quanto
risulta ρ1 = λ1 /µ1 < 1 e ρ2 = λ2 /µ2 < 1. Si ricavano
ρ1 ρ2
N1 = = 12.5, N2 = = 2.85, N = N1 + N2 = 15.35 pezzi,
1 − ρ1 1 − ρ2

7 Nell’ambitodei sistemi manufatturieri i nodi di una rete di code vengono, di solito chiamati “stazioni”
e T viene chiamato “throughput time”.
98 TEORIA DELLE CODE

da cui T = N/λ = 1.535 ore.

Per quanto riguarda il valore atteso del numero delle visite risulta
λ1 λ2
ν1 = = 1.111, ν2 = = 1.111.
λ λ
Si ha inoltre
1 1
T1 = = 1.125 ore, T2 = = 0.257 ore,
µ1 − λ1 µ2 − λ2
e quidi alternativamente si può calcolare

T = 1.111 · 1.125 + 1.111 · 0.257 = 1.535 ore.

Esercizio 1.8.4 Si consideri una rete di Jackson aperta composta da 3 stazioni. Alla stazione 1
arrivano utenti dall’esterno della rete con frequenza media di arrivo pari a 1 utente l’ora (arrivi
poissoniani). Dalla stazione 1 gli utenti con probabilità 1/3 si recano alla stazione 2 e con
probabilità 2/3 raggiungono la stazione 3. Dalla stazione 2 gli utenti tornano all’ingresso della
stessa stazione 2 con probabilità 1/2 oppure escono all’esterno della rete. Dalla stazione 3 gli
utenti escono all’esterno dalla rete oppure con probabilità 1/3 tornano alla stazione 1. Le stazioni
2 e 3 sono identiche e sono monoserventi con tempi di servizio distribuiti esponenzialmente con
µ2 = µ3 = 3/2 utenti l’ora. La stazione 1 è monoservente con tempi di servizio distribuiti
esponenzialmente con µ1 = 2 utenti l’ora. Verificare se esiste la distribuzione stazionaria e in
caso affermativo calcolare il numero medio di utenti presenti nella rete e il tempo medio di
permanenza.

Caso multiservente
Il Teorema di Jackson enunciato per reti di code costituite da sistemi con singolo
servente si estende anche al caso in cui ogni nodo della rete può avere più di un
servente. Supponiamo, quindi, che sj ≥ 1 sia il numero dei serventi per ciascun
nodo j = 1, . . . , m, ed inoltre assumiamo che ρj = λj /(sj µj ) < 1. Allora vale il
seguente risultato.

Teorema 1.8.3 – Tereoma di Jackson. La distribuzione di probabilità con-

giunta che la rete si trovi allo stato n = (n1 , . . . , nm ) si fattorizza nel prodotto
di tutte le distribuzioni marginali, ovvero

P (n) = P (n1 , . . . , nm ) = pn1 pn2 · · · pnm ,

dove  Ã !nj

 1 λj

 p0j , per nj < sj
n ! µ
j j
pnj = Ã !nj

 1 λj

 p0j , per nj ≥ sj
 nj −sj
s!s µj

Di questo teorema non forniamo per brevità la dimostrazione.

 RETI DI CODE 99

Questo teorema afferma che, in maniera del tutto analoga al caso monoservente,
la probabilità congiunta si fattorizza nelle probabilità di avere nj utenti nel nodo
j−esimo considerato singolarmente come sistema M/M/sj con frequenza media
degli arrivi pari alla frequenza effettiva λj e tempo medio di servizio µj e questo
indipendentemente dagli altri nodi della rete.
Come nel caso monoservente, le misure di prestazione di interesse possono essere
calcolate aggregando i valori ottenuti nei singoli nodi.
Esempio 1.8.5 [Gross, Harris, 1998] Si consideri un call center al quale arrivano chiamate
secondo la distribuzione di Poisson con media 35 l’ora. Alle chiamate che arrivano il gestore
fornisce due opzioni: digitare il tasto 1 per il servizio reclami, oppure digitare 2 per il servizio
informazioni. Si stima che il tempo di ascolto del messsaggio e della pressione del tasto sia
esponenziale con media 30 secondi. Le chiamate che trovassero occupato vengono poste in
attesa con l’assunzione che nessun utente si scoraggia per l’attesa e quindi aspetta comunque
di usufruire del servizio. Il 55% delle chiamate chiedono di accedere al servizio reclami e le
rimanenti chiedono di accedere al servizio informazioni. Il nodo del processo dei reclami ha 3
serventi (operanti in parallelo) che operano con tempi di servizio distribuiti esponenzialmente
con media 6 minuti. Il nodo del processo delle informazioni ha 7 serventi (operanti in parallelo)
che operano con tempi di servizio distribuiti esponenzialmente con media 20 minuti. I buffer
di attesa si assumono illimitati. Inoltre circa il 2% dei clienti che hanno usufruito del servizio
reclami decidono di usufruire anche del servizio informazioni e l’1% dei clienti che hanno usufruito
del servizio informazioni chiedono anche di usufruire del servizio reclami. Si vuole determinare
la lunghezza media della coda in ciascun nodo e il tempo medio totale che un cliente passa nella
in linea con il call center.

Fig. 1.8.6 Rete dell’Esempio 1.8.5

Risulta s1 = 1, s2 = 3, s3 = 7 e µ1 = 120, µ2 = 10, µ3 = 3. Inoltre si ha γ1 = 35 e γ2 = γ3 = 0.

La matrice di routing è Ã !
0 0.55 0.45
0 0 0.02
0 0.01 0
100 TEORIA DELLE CODE

Calcoliamo la frequenza effettiva utilizzando il sistema (1.8.2):

(
λ1 = 35
λ2 = 35 · 0.55 + λ3 · 0.01
λ3 = 35 · 0.45 + λ2 · 0.02
dal quale si ricavano
λ1 = 35, λ2 = 19, 411, λ3 = 16.138.
Si verifica immediatamente che risulta ρj = λj /(sj µj ) < 1 per j = 1, 2, 3 e quindi esiste una
distribuzione stazionaria per la rete in esame. A questo punto è sufficiente ricavare
• per il primo sistema, dal modello M/M/1 con λ1 = 35 e µ1 = 120, N1q = 0.120 e
N1 = 0.412;
• per il secondo sistema, dal modello M/M/3 con λ2 = 19, 411 e µ2 = 10, N2q = 0.765 e
N2 = 2.706;
• per il terzo sistema, dal modello M/M/7 con λ3 = 16.138 e µ3 = 3, N3q = 1.402 e
N3 = 6.781.
Si ottiene immediatamente N = N1 + N2 + N3 = 9.899 e quindi
N N 9.899
T = = = = 0.283 ore,
λ γ1 + γ2 + γ3 35
ovvero T = 17 minuti circa.

Esercizio 1.8.6 Si consideri una rete di Jackson aperta composta da 4 stazioni. Le stazioni 1
e 2 sono monoservetnti. Nella stazione 3 e 4 ci sono 2 serventi. Alla stazione 1 e alla stazione 2
arrivano utenti dall’esterno della rete con frequenza media di arrivo pari a 1 utente l’ora (arrivi
poissoniani). Dalla stazione 1 gli utenti si recano alla stazione 3. Dalla stazione 2 gli utenti si
recano alla stazione 3 con probabilità 1/3, oppure si recano all’ingresso della stazione 4. Dalla
stazione 3 gli utenti escono all’esterno della rete oppure tornano all’ingresso della stazione 1 con
probabilità 1/2. Dalla stazione 4 gli utenti escono dalla rete. I tempi di servizio nelle uattro
stazioni sone distribuiti esponenzialmente con µ1 = 7, µ2 = 2, µ3 = 4 e µ4 = 1 utenti l’ora.
Verificare se esiste la distribuzione stazionaria e in caso affermativo calcolare il numero medio
di utenti presenti nella rete e il tempo medio di permanenza.
 RETI DI CODE 101

1.8.5 Reti di Jackson chiuse

Si tratta di reti di code in cui non sono consentiti né arrivi, né partenze di
utenti dalla rete e quindi il numero totale di utenti presenti nella rete risulta
fissato. Quindi in una rete chiusa il valore di N non è più un valore medio da
determinare, ma è un dato del problema.
Anche se il modello che si utilizza non prevede arrivi o partenze dalla rete, da
un punto di vista pratico esso rappresenta bene quei casi in cui ogniqualvolta ci
sia un utente che esce dalla rete, esso viene immediatamente rimpiazzato da un
nuovo utente.
Questa tipologia di rete di code è stata introdotta da Gordon e Newell nel 1967
e ha applicazioni significative nei sistemi di calcolo time-sharing e multi-utente.
Ovviamente, in una rete chiusa il numero degli stati possibili è finito ed è uguale
al numero dei modi che si hanno di disporre N utenti (indistinguibili tra di loro)
negli m nodi, considerando che ogni nodo può avere al più N + 1 stati possibili
(includendo lo stato 0). Tale numero è dato da
µ ¶
m+N −1
.
m−1
Inoltre, poichè in una rete chiusa il numero degli utenti è limitato, una rete chiusa
ammette sempre una distribuzione stazionaria.
Nell’analizzare questo tipo di reti di code, c’è un’importante differenza rispetto
alle reti aperte, che sta nella determinazione della frequenza media effettiva di
arrivo ad ogni singolo nodo. Infatti, poiché risulta γj = 0 per j = 1, . . . , m, il
sistema di equazioni (1.8.2) diventa
m
X
λj = λi pij , j = 1, . . . , m (1.8.8)
i=1

che quindi ora è un sistema omogeneo che in forma matriciale si scrive

(I − P T )Λ = 0,

dove Λ = (λ1 , . . . , λm )T e P è la matrice di routing. Ora, poiché nessun utente

può lasciare la rete deve risultare
m
X
pij = 1,
j=1

e quindi la matrice (I −P ) non è a rango pieno e il sistema ha almeno un’equazione

ridondante, ovvero le m equazioni del sistema non sono indipendenti. Suppo-
nendo che il rango della matrice (I − P ) sia pari a m − 1, il sistema ammette
infinite soluzioni. Quindi usando le m − 1 equazioni indipendenti del sistema si
possono determinare le λj , j = 1, . . . , m a meno di una costante moltiplicativa.
102 TEORIA DELLE CODE

Siano {λ̄j , j = 1, . . . , m} una soluzione positiva del sistema (1.8.8) e µj la

velocità media di servizio nel j−esimo nodo.
Esaminiamo inizialmente il caso monoservente, supponendo quindi che il sistema
presente in ciascun nodo sia monoservente e sia ρj = λ̄j /µj . Possiamo ora enun-
ciare l’equivalente del Teorema di Jackson per reti chiuse.

Teorema 1.8.4 Sia data una rete di Jackson chiusa composta da m nodi a
singolo sevente. Allora la distribuzione congiunta è data da
1
P (n) = P (n1 , . . . , nm ) = ρn1 ρn2 · · · ρnmm ,
G(N ) 1 2
con n1 + n2 + · · · + nm = N e dove
X
G(N ) = ρn1 1 ρn2 2 · · · ρnmm .
n1 ,n2 ,...,nm
n1 +n2 +···nm =N

Dimostrazione: La dimostrazione è analoga a quella del Teorema di Jackson per

reti aperte e, in questo caso, si ottiene
m
Y nj
P (n1 , . . . , nm ) = ρj C,
j=1

dove C è una costante che possiamo determinare imponendo che

X m
Y nj
C ρj = 1
n1 ,n2 ,...,nm j=1
n1 +n2 +···nm =N

dalla quale si ottiene

1
C= X .
ρn1 1 ρn2 2 · · · ρnmm
n1 ,n2 ,...,nm
n1 +n2 +···nm =N

Il teorema si estende anche al caso multiservente. Supponiamo quindi che in ogni

nodo siano presenti sj serventi e si introduca la quantità
νj
Xj =
µj
che rappresenta il tempo medio che un utente passa in servizio presso il nodo
j−esimo e dove νj è il valore atteso del numero delle visite al nodo j−esimo che
soddisfa l’equazione
m
X
νj = pij νj .
i=1
 RETI DI CODE 103

Allora vale il seguente teorema.

Teorema 1.8.5 – Teorema di Gordon–Newell. La distribuzione con-

giunta che la rete si trova nello stato n = (n1 , . . . , nm ) è data da
m
1 Y
P (n) = P (n1 , . . . , nm ) = p̂n ,
G(N ) j=1 j

dove
 nj

 Xj

 n !,
 per nj < sj
j
p̂nj = n

 Xj j

 , per nj ≥ sj ,
 n −sj
sj !sj j
dove X
G(N ) = p̂n1 p̂n2 · · · p̂nm .
n1 ,n2 ,...,nm
n1 +n2 +···nm =N

È evidente l’analogia formale tra il Teorema di Jackson per le reti aperte e il

Teorema di Gordon–Newell. Il coefficiente G(N ) è solamente un fattore di nor-
malizzazione che garantisce che la somma di tutte le probabilità sia pari a 1. La
determinazione di tale fattore di normalizzazione G(N ) può essere non banale
per il fatto che la somma che lo definisce è estesa a tutti gli stati possibili della
rete e tale numero può risultare molto elevato. Per ovviare a tale inconveniente
sono stati definiti algoritmi ricorsivi la cui trattazione esula dallo scopo di queste
note.
104 TEORIA DELLE CODE

1.9 RIFERIMENTI DEL CAPITOLO 1

Esiste un’ampia letteratura e numerosi testi specifici dedicati alla Teoria delle
code e alle sue applicazioni. Fra questi citiamo il testo classico in due volumi
[Kleinrock, 1975], [Kleinrock, 1976] che riporta una trattazione sia elementare
sia avanzata della teoria delle code. Un altro testo specifico sulla Teoria delle
code è [Cooper, 1981] disponibile in rete all’indirizzo http://www.cse.fau.edu/
e bob/publications/IntroToQueueingTheory Cooper.pdf.
La Teoria delle code è sviluppata in modo sintetico anche in numerosi testi di
Ricerca Operativa, fra i quali citiamo [Hillier, Lieberman, 2001] che dedica i
capitoli 17 e 18 alla Teoria delle code e alle sue applicazioni.
Esiste, inoltre un sito interamente dedicato alla Teoria delle code che riporta nu-
merosi link molto utili: http://web2.uwindsor.ca/math/hlynka/queue.html.
Per i richiami di Probabilità e le proprietà sulle distribuzioni di probabilità si può
fare riferimento ad un qualsiasi testo di Calcolo delle Probabilità.

Bhat, U. (2008). An Intoduction to Queueing Theory. Birkhauser, Boston.

Bertsekas, D., Gallager, R. (1991). Data Networks. Prentice Hall,
Upper Saddle River, NJ, second edition.
Billingsley, P. (1979). Probability and mesaure. Wiley and Sons, New
York.
Cooper, R. (1981). Introduction to queueing theory. North Holland, New
York.
Gross, D., Harris, C. (1998). Fundamental of queueing theory. Wiley and
Sons, New York, third edition.
Kleinrock, L. (1975). Queueing systems, vol. I: Theory. Wiley, New York.
Disponibile nella traduzione italiana: Sistemi a coda, Introduzione alla teoria
delle code, Hoepli, 1992.
Kleinrock, L. (1976). Queueing systems, vol. II: Computer Applications.
Wiley, New York.
Hillier, F., Lieberman, G. (2001). Introduction to operations research.
McGraw – Hill, New York.
Ross, S. (2003). Introduction to probability models. Academic Press, San
Diego.
 ESERCIZI DI RIEPILOGO 105

1.10 ESERCIZI DI RIEPILOGO

Esercizio 1.10.1 Dato un processo di nascita e morte con

λk = αk λ k ≥ 0, 0≤α<1
µk = µ k≥1

Ricavare l’espressione delle probabilità pk (in funzione di p0 ).

Esercizio 1.10.2 Si consideri un sistema M/M/1 con parametri λ e µ assegnati.

− αk
Si supponga che all’arrivo gli utenti entrano nel sistema con probabilità e µ ,
dove k è il numero degli utenti presenti nel sistema e α ≥ 0.
a) Ricondurre il sistema ad un processo di nascita e morte.
b) Determinare sotto quali condizioni il sistema è stabile.
c) Ricavare l’espressione per le probabilità pk (in funzione di p0 ).

Esercizio 1.10.3 Una banca ha 5 cassieri e ciascuno di essi ha una coda di clienti
davanti a sé. I clienti che arrivano scelgono una coda a caso e aspettano di essere
serviti. Gli arrivi dei clienti nella banca sono poissoniani con frequenza di 40 l’ora
e i tempi di servizio di ciascun cassiere sono esponenziali con media di 5 minuti.
La banca sta considerando la possibilità di introdurre un sistema a coda unica,
in cui ogni cliente viene servito dal primo cassiere che si libera. Determinare qual
è l’effetto di questo cambiamento sul tempo medio di attesa in coda. Inoltre, in
riferimento al sistema a coda unica, determinare:
a) i valori delle misure di prestazione, ovvero il numero medio di utenti presenti
nella banca, il numero medio di utenti in attesa in coda, il tempo medio di
permanenza nella banca e il tempo medio attesa in coda;
b) la probabilità che il tempo medio di attesa in coda sia non nullo;
c) la probabilità che nella banca vi siano più di 7 clienti.

Esercizio 1.10.4 Un addetto al reparto spedizioni di un’industria manufatturi-

era riceve ordini e li evade; egli è in grado di evadere, in media, 15 ordini al
giorno e i tempi necessari per elaborare gli ordini sono esponenziali. In media,
ogni giorno, vengono ricevuti in maniera casuale (arrivi poissoniani), 12 ordini da
evadere; tali ordini si dividono in 3 categorie di importanza che nell’ordine sono:
1. riordini: ordini da evadere non appena l’addetto è libero, ovvero non appena
ha terminato le operazioni di spedizioni dell’ordine che sta elaborando;
2. ordini normali: ordine di minore importanza rispetto ai riordini che però è
bene evadere al più presto;
106 TEORIA DELLE CODE

3. ordini secondari: ordini destinati ad un magazzino e che quindi possono

attendere anche un tempo lungo per essere evasi.

In media, ogni giorno arrivano 2.5 riordini, 4 ordini normali e 5.5 ordini secondari.
Descrivere un sistema di code che permette di costruire un modello di questo
reparto spedizioni e determinare, per ciascun tipo di ordine

a) il tempo medio di permanenza nel reparto spedizioni;

b) il tempo medio di attesa che passa tra la ricezione dell’ordine da parte del
reparto e l’inizio della sua elaborazione;

c) il numero medio di ordini che sono presso tale reparto spedizioni;

d) il numero medio di ordini che sono presso tale reparto spedizioni in attesa
di essere elaborati.

Determinare, inoltre, come cambiano i tempi di permanenza nel reparto spedi-

zioni se si assume che l’arrivo di un’ordine di importanza maggiore implica la sua
elaborazione immediata e quindi una eventuale interruzione dell’elaborazione di
un altro ordine.

Esercizio 1.10.5 Un piccolo albergo dispone di 5 camere e vuole effettuare

un’analisi sul servizio prestato alla clientela. Da un’indagine su dati che si
riferiscono ad anni passati si è dedotto che i clienti arrivano casualmente (ar-
rivi poissoniani) in media 3 al giorno e che la loro permanenza media nell’albergo
è di un giorno ed è distribuita esponenzialmente. Naturalmente, un cliente che
arriva e trova l’albergo pieno, si rivolgerà ad un altro albergo.

1. Descrivere un modello di code che permette di rappresentare il sistema ora

descritto.

2. Determinare la probabilità che nell’albergo non vi sia nessun cliente.

3. Determinare la probabilità che un cliente arriva e trova l’albergo pieno.

4. Determinare il numero medio di clienti presenti nell’albergo.

Esercizio 1.10.6 Una società costruisce immobili per l’edilizia residenziale. Gli
acquirenti stipulano il contratto di acquisto e poi aspettano che l’immobile che
hanno acquistato sia realizzato prima di poterne entrare effettivamente in pos-
sesso. Vengono stipulati, in media, 9 contratti l’anno secondo una distribuzione
di Poisson.
Tale società adotta la strategia di iniziare a costruire una nuova casa non appena
è stata completata la costruzione della casa precedente. Inoltre essa dispone di un
numero di operai tale da permettere la costruzione, in media, di 12 case l’anno,
 ESERCIZI DI RIEPILOGO 107

ma non è nota la distribuzione di probabilità secondo la quale esse vengono real-

izzate. Si dispone tuttavia, dei dati relativi al numero dei giorni impiegati l’anno
precedente per costruire le case che sono state realizzate durante l’anno; essi sono
pari a 30, 32, 29, 34, 27, 29, 29, 33, 30 e 31 giorni (utilizzando questi dati è possi-
bile calcolare la varianza della distribuzione, assumendo che un anno si compone
di 365 giorni).
1. Descrivere un sistema di code che permetta di studiare questo problema.
2. Determinare il tempo medio che trascorre tra la stipula del contratto e
l’effettiva entrata in possesso della casa da parte dell’acquirente.
3. Determinare il numero medio di contratti attivi, ovvero stipulati ma senza
aver effettuato ancora la consegna della casa all’acquirente.
4. Determinare come cambiano le due misure di prestazione calcolate ai due
punti precedenti se si assume che i tempi di costruzione delle case sono
distribuiti esponenzialmente.
5. Descrivere come è possibile intervenire sui tempi di costruzione delle case
per minimizzare il tempo necessario per la consegna delle case agli ac-
quirenti, determinando come cambiano, in questo caso, le due misure di
prestazione già calcolate.

Esercizio 1.10.7 Presso un parrucchiere arriva, in media, un cliente ogni 30

minuti e si assume che tali arrivi siano distribuiti esponenzialmente. Il parruc-
chiere ha tempi di servizio che possiamo assumere anch’essi distribuiti esponen-
zialmente e in media impega 20 minuti per servire un cliente. Calcolare:
a) La probabilità che il parrucchiere non sia impegnato a servire un cliente.
b) La probabilità che presso il negozio del parrucchiere siano presenti più di
tre clienti (tra quelli in coda e quello che sta usufruendo del servizio).
c) Il numero medio di clienti presenti presso il parrucchiere.
d) Il tempo medio che un cliente passa in attesa prima di essere servito e il
tempo medio di permanenza presso il negozio del parruchiere.
e) Il numero medio di clienti che sono in coda in attesa di essere serviti.
Supponiamo, ora che presso il parruchiere possano esserci al più tre clienti: due in
attesa e uno che è servito. Per motivi di spazio, gli eventuali ulteriori clienti non
possono entrare quando presso il parruchiere è già presente il massimo numero di
clienti. Calcolare, in questo caso:
a) La probabilità che il negozio del parrucchiere è pieno (ovvero tre utenti sono
presenti nel negozio).
108 TEORIA DELLE CODE

b) La frequenza media effettiva di arrivo.

c) La lunghezza media della fila d’attesa (ovvero il numero medio di clienti

che è in attesa) e il tempo medio passato da un utente in coda.

d) Il numero medio di clienti presenti presso il parruchiere (ovvero nel negozio).

Calcolare, infine, come varia la percentuale di utilizzazione del servente dal primo
caso in cui non ci sono limiti di capacità al secondo caso in cui tale limitazione è
presente.

Esercizio 1.10.8 In un’industria manifatturiera un operaio dispone di un’officina

ed è responsabile della manutenzione di 4 macchine utensili. Le macchine lavo-
rano, in media, per 15 minuti e poi richiedono 5 minuti di manutenzione in offic-
ina. Sia i tempi di lavoro delle macchine prima dell’effettuazione della manuten-
zione, sia i tempi richiesti per la manutenzione sono distribuiti esponenzialmente.

a) Descrivere un sistema di code che rappresenta bene la situazione descritta.

b) Calcolare la probabilità che nell’officina non sia presente nessuna macchina.

c) Calcolare il numero medio di macchine presenti nell’officina in attesa di

effettuare la manutenzione.

d) Calcolare il tempo medio di attesa in coda nell’officina da parte delle mac-

chine prima della manutenzione

Esercizio 1.10.9 Un impiegato di un ufficio addetto al rilascio di autorizzazioni,

deve esaminare, per ciascuna persona che la richiede, alcuni moduli e impiega in
media 8 minuti a rilasciare un’autorizzazione. Arrivano, in media, 6 persona
l’ora ad effettuare tale richiesta. Il tempo impiegato per esaminare i moduli e
rilasciare l’autorizzazione è distribuito esponenzialmente e gli arrivi delle persone
sono poissoniani.

a) Descrivere il sistema di code che rappresenta bene la situazione descritta.

b) Calcolare la probabilità che l’impiegato non sia impegnato.

c) Calcolare il numero medio di persone che sono in coda in attesa di essere

servite.

d) Calcolare il numero medio di presone presenti presenti nell’ufficio.

e) Calcolare il tempo medio che una persona passa in attesa prima di essere
servita.

f) Calcolare il tempo medio di permanenza presso l’ufficio.

 ESERCIZI DI RIEPILOGO 109

g) Calcolare la probabilità che nell’ufficio siano presenti 5 persone.

Supponiamo, ora che per motivi di spazio, il numero delle persone che possano
essere contenute nell’ufficio sia limitato e pari a 4. Calcolare, in questo caso:
h) La probabilità che l’impiegato non sia impegnato.
i) La frequenza media effettiva di arrivo.
l) La lunghezza media della fila d’attesa (ovvero il numero medio di persone
che è in attesa)
m) Il tempo medio passato da una persona in coda.

Esercizio 1.10.10 Un’industria dispone di un magazzino dove gli operai possono

reperire gli attrezzi di cui hanno bisogno. Nel magazzino può entrare un operaio
alla volta ed impiega, in media, 12 minuti per trovare quello che gli occorre. Se
arriva un altro operaio e trova il magazzino già occupato aspetta che l’operaio
che è attualmente nel magazzino esca prima di entrare. Gli operai sono 5 e
cercano, in media un attrezzo ogni 15 minuti. Si suppone che gli arrivi degli
operai al magazzino siano poissoniani e che i tempi per la ricerca degli attrezzi
siano distributi esponenzialmente.
a) Descrivere un sistema di code che rappresenta bene la situazione descritta.
b) Calcolare la probabilità che nel magazzino non sia presente nessun operaio.
c) Calcolare la probabilità che tutti i 5 operai siano contemporaneamente
presso il magazzino (uno all’interno, gli altri in attesa).
d) Calcolare il numero medio di operai in attesa di entrare nel magazzino.

Esercizio 1.10.11 In una stazione di servizio ci sono quattro postazioni per

l’autolavaggio, identiche, indipendenti e che lavorano in parallelo. Le auto ar-
rivano alla stazione di servizio casualmente (arrivi poissoniani) in media 34 l’ora.
Il tempo del lavaggio è uguale in ciascuna postazione ed è distribuito esponen-
zialmente e in media vengono lavate 10 auto l’ora. Un auto che arriva e trova
tutte le quattro postazioni occupate aspetta in fila il suo turno (le auto vengono
lavate sulla base del primo arrivato, primo servito)
a) Descrivere un sistema di code che rappresenti la situazione descritta;
b) calcolare la probabilità che ci siano piú di 3 auto in attesa del lavaggio;
c) calcolare il numero medio di auto che sono in attesa del lavaggio;
d) spiegare che cosa accadrebbe al sistema di code se tre delle quattro postazioni
fossero non funzionanti, ovvero se la stazione di servizio fosse dotata di una
sola postazione.
110 TEORIA DELLE CODE

Supponiamo, ora, che un auto che arriva e che trova tutte le quattro postazioni
occupate, deve attendere il proprio turno in un parcheggio che ha una capienza
massima di tre auto; se anche il parcheggio risultasse pieno, allora l’auto rinuncia
definitivamente ad entrare nella stazione di servizio.

e) Descrivere un sistema di code che rappresenti la situazione descritta;

f) calcolare la probabilità che le quattro postazioni siano tutte libere;

g) calcolare la probabilità che un’auto ha di dover rinunciare ad entrare nella

stazione di servizio.

Sulla base di quest’ultimo sistema, descritto al punto e), la stazione sta stu-
diando alcune variazioni operative. La prima consiste nell’intervenire solamente
sul parcheggio, eliminandolo e quindi non permettendo piú l’attesa delle auto che
trovano le quattro postazioni occupate.

h) Descrivere un sistema di code che rappresenti questa prima variazione op-

erativa;

i) calcolare, in questo caso, la probabilità che un’auto ha di dover rinunciare

ad entrare nella stazione di servizio.

Un’altra variazione operativa rispetto al sistema descritto al punto e) consiste

nell’eliminare tre postazioni, lasciandone una solamente e raddoppiando lo spazio
del parcheggio per permettere l’attesa.

l) Descrivere un sistema di code che rappresenti questa seconda variazione

operativa;

m) calcolare la probabilità che un’auto ha di dover rinunciare ad entrare nella

stazione di servizio;

n) calcolare il numero medio di auto che sono in attesa del lavaggio;

o) calcolare il tempo che, in media, un auto trasorre presso la stazione di

servizio;

p) dire sotto quali condizioni c’è il raggiungimento delle condizioni stazionarie.